[發明專利]一種基于小樣本學習的圖像特征提取裝置

有效

• 申請號: 202011123494.4
• 申請日: 2020-10-20
• 公開（公告）號: CN112215241B
• 公開（公告）日: 2022-04-01
• 發明（設計）人: 龐善民;劉颯
• 申請（專利權）人: 西安交通大學
• 主分類號: G06V10/46
• 分類號: G06V10/46;G06V10/764;G06V10/80;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京東方盛凡知識產權代理事務所(普通合伙) 11562
• 代理人: 張換君

1.一種基于小樣本學習的圖像特征提取裝置，其特征在于，包括第一多通道特征加權模塊、第二多通道特征加權模塊、卷積模塊、第一多尺度特征融合模塊和第二多尺度特征融合模塊；

所述第一多通道特征加權模塊與所述第二多通道特征加權模塊連接，所述第二多通道特征加權模塊與所述卷積模塊連接；

所述第一多尺度特征融合模塊與所述第二多尺度特征融合模相連；

所述第一多尺度特征融合模塊分別與所述第二多通道特征加權模塊及所述卷積模塊相連；

所述第二多尺度特征融合模塊與所述第一多通道特征加權模塊相連；

所述第一多通道特征加權模塊用于對圖像數據集進行第一次特征提取及特征加權，得到具有權重的第一多通道特征；

所述第二多通道特征加權模塊用于對所述具有權重的第一多通道特征進行第二次特征提取及特征加權，得到具有權重的第二多通道特征；

所述卷積模塊用于對所述具有權重的第二多通道特征進行特征提取及加權，得到具有權重的第三多通道特征，并根據第三多通道特征輸出多通道加權特征圖；

所述第一多尺度特征融合模塊用于接收所述具有權重的第二多通道特征及所述具有權重的第三多通道特征并進行特征融合；

所述第二多尺度特征融合模塊用于接收所述具有權重的第一多通道特征及所述第一多尺度特征融合模塊的輸出結果并進行特征融合，輸出多尺度融合特征圖；

所述第一多通道特征加權模塊包括依次連接的第一卷積塊、第一池化層、第一全連接層、第二全連接層及第二卷積塊；

所述第一卷積塊用于對圖像數據集進行特征提取，得到圖像特征；

所述第一池化層用于對提取后的圖像特征進行全局特征提取，得到全局特征標量；所述全局特征標量是通過對通道維度上每個特征圖所有像素值相加求平均值得到；

所述第一全連接層用于接收所述全局特征標量并減小所述全局特征標量的網絡尺寸，并得到帶有權重的參數；

所述第二全連接層用于將減小后的網絡尺寸增大到所述全局特征標量的原始尺寸，并得到帶有權重的參數；

所述第二卷積塊用于對第一全連接層和第二全連接層中得到的帶有權重參數進行加權操作，得到所述具有權重的第一多通道特征。

2.根據權利要求1所述的基于小樣本學習的圖像特征提取裝置，其特征在于，所述第二多通道特征加權模塊包括依次連接的第二卷積塊、第二池化層、第三全連接層和第四全連接層及第三卷積塊；

所述第二池化層用于將具有權重的第一多通道特征進行全局特征提取，得到全局特征標量；

所述第三全連接層用于接收所述第二池化層的全局特征標量并減小全局特征標量的網絡尺寸，并得到帶有權重的參數；

所述第四全連接層用于將減小后的網絡尺寸增大到原始尺寸，并得到帶有權重的參數；

所述第三卷積塊用于對第三全連接層和第四全連接層中得到的帶有權重的參數進行加權操作，得到所述具有權重的第二多通道特征。

3.根據權利要求1所述的基于小樣本學習的圖像特征提取裝置，其特征在于，所述第一多尺度特征融合模塊及所述第二多尺度特征融合模塊分別包括依次連接的上采樣模塊及降維模塊；

所述上采樣模塊用于對具有權重的第一多通道特征、具有權重的第二多通道特征及具有權重的第三多通道特征進行上采樣；

所述降維模塊用于對上采樣后的多通道特征進行維數降低，并輸出多尺度融合特征圖。